待验证50% 置信事实精确时间
DeepMind的AlphaGo核心算法之一是蒙特卡洛树搜索（MCTS），通过大量随机对弈模拟评估棋局
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
5万次模拟2026世界杯：蒙特卡洛模拟与数据科学实战
redditr/learnmachinelearning2026/7/9
相关事实
待验证DeepMind于2016年发布的AlphaGo使用策略网络缩小搜索宽度、价值网络替代随机模拟，将MCTS效率提升数个数量级83% 相似已验证DeepMind的AlphaGo通过自我对弈数百万局来习得围棋策略78% 相似已验证AlphaGo结合了深度学习与蒙特卡洛树搜索（MCTS），使用策略网络和价值网络两个关键神经网络73% 相似已验证DeepMind的AlphaStar使用人类对局数据进行行为克隆初始化，再通过自我对弈强化学习达到职业选手水平72% 相似待验证DeepMind的研究人员记录了数十个Specification Gaming（规范博弈）的真实案例，包括游戏AI通过卡关而非通关来获得高分70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/497745API
curl https://kongchang.com/api/v1/knowledge/claims/497745MCP
get_claim(id=497745)